論文の概要: Refine Actions If Needed: Adaptive Action Chunk Refinement for Robot Manipulation

• arxiv url: http://arxiv.org/abs/2610.19765v1
• Date: Wed, 14 Oct 2026 08:17:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:16.03246
• Title: Refine Actions If Needed: Adaptive Action Chunk Refinement for Robot Manipulation
• Title（参考訳）: ロボットマニピュレーションのための適応的アクションチャンクリファインメント
• Abstract要約: 反復生成ポリシーはタスクの成功率を高めることができるが、繰り返しネットワーク評価は推論遅延を増加させる。 このフレームワークは、異なるリファインメントレベルでアクションエラーを予測し、各実行可能な提案をどの程度洗練するかを決定する。 RAINは66.6%の成功を達成し、最も評価の高い拡散政策の成功率に近づき、政策遅延の5.71倍にも達する。
• 参考スコア（独自算出の注目度）: 25.553015151635975
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computationally lightweight manipulation policies predict executable actions with low inference latency, but prediction errors can limit task success. Iterative generative policies can achieve higher task success rates, but repeated network evaluations increase inference latency. Refining action proposals from computationally lightweight policies can combine these strengths, but the amount of refinement needed varies across states. We introduce RAIN (Refine Actions If Needed), a framework that predicts action errors at different refinement levels to decide whether and how much to refine each executable proposal, before performing any refinement. We train an ensemble to predict these errors by comparing action proposals and their refined versions with expert actions from offline demonstrations, without requiring explicit labels of refinement needs. Calibration balances uncertainty, computation, and temporal consistency. We evaluate RAIN on eight ManiSkill tasks and four real-robot tasks. In simulation, our policy achieves 66.6% success, approaching the best evaluated diffusion-policy success rate with 5.71 times lower policy latency. On the real robot, success increases from 55.0% with Action Chunking with Transformers (ACT) to 72.5%, with comparable average successful completion time. Matched controls show that dynamic routing maintains the strongest observed fixed-refinement success level with 26.6% fewer refiner evaluations. Project page: https://rain-policy.github.io/.
• Abstract（参考訳）: 計算的に軽量な操作ポリシは、推論レイテンシの低い実行可能なアクションを予測しますが、予測エラーはタスクの成功を制限することができます。 反復生成ポリシーはタスクの成功率を高めることができるが、繰り返しネットワーク評価は推論遅延を増加させる。 計算的に軽量なポリシーからアクションプロポーザルを精製することはこれらの強みを組み合わせることができるが、必要な改善の量は州によって異なる。 このフレームワークは、異なるリファインメントレベルでアクションエラーを予測し、リファインメントを実行する前に、各実行可能な提案をどの程度洗練するかを決定する。 我々は、これらのエラーを予測するためにアンサンブルをトレーニングし、アクションの提案と洗練されたバージョンと、オフラインでのデモからの専門家によるアクションを比較します。 校正は不確実性、計算、時間的一貫性のバランスをとる。 8つのManiSkillタスクと4つの実ロボットタスクでRAINを評価する。 シミュレーションでは,政策が66.6%成功し,政策遅延の5.71倍という最も評価の高い拡散政治成功率に近づいた。 実際のロボットでは、Action Chunking with Transformers (ACT) によって55.0%の成功率が72.5%に向上し、平均的な完成時間が向上した。 一致した制御により、動的ルーティングは26.6%の洗練率で観測された最強の固定化成功レベルを維持している。 プロジェクトページ: https://rain-policy.github.io/

関連論文リスト

• Flow-Support-Weighted Proposals for Test-Time Verified VLA Policies [21.165662881835416]
  テストタイムサンプリングは、1つのアクション予測を検証者が選択できる独立した実行可能候補のセットに変換することを約束する。 1つのタスク分布を解くために訓練された視覚アクションモデルは、そのフローマッチングデコーダを支配的な実演行動の周りに集中させ、繰り返しサンプルはわずかに異なる。 繰り返しサンプルは、候補となる予算が増加するにつれて、非常に冗長なままになります。
  論文  参考訳（メタデータ） (2026-10-10T05:06:36Z)
• RESETTLE: Robotic Recovery through Disagreement-Triggered Retrieval and Efficient Corrective Control [92.47481295713227]
  本稿では,凍結ロボットポリシーのアクション・エグゼクティブ・インタフェースにおいて,効率的なリカバリのためのモデルに依存しないフレームワークであるRESETTLEを紹介する。 適応されたV-JEPAエンコーダを使用して、同じタスクのデモ参照を取得する。 LIBERO-Plus、Meta-World、RoboCasaでは最大8.70%、6.28%、絶対的な成功率6.83%に達する。
  論文  参考訳（メタデータ） (2026-10-08T15:49:03Z)
• Behavior-Aligned Action Tokenization for Robot Policy Learning [9.37360970873363]
  自己回帰型ロボットポリシーは、観察から個別のアクショントークンを予測することによって、継続的な制御を学習する。 本研究では,対応する動作チャンクを選択し,その量子化座標を再構成とともに整列させる行動適応型行動トークン化(BAAT)を提案する。 履歴条件付き拡散復号器はこれらのトークンから連続的なアクションチャンクを再構成し、下流の自己回帰ポリシーはそれらを予測することを学ぶ。
  論文  参考訳（メタデータ） (2026-09-23T08:12:03Z)
• Stable and Efficient Real-World Online VLA Post-Training via Asynchronous Replay-Anchored Policy Improvement [60.83624556700821]
  本稿では,リプレイ動作における批評家とアクターの更新の両方を基盤として,ロールアウトと学習を同時に行うフレームワークを提案する。 RAPolicyを4つのシングルタスク設定と1つのジョイント5タスク設定で実世界で評価し,オンライントレーニングの予算は1～2時間に過ぎなかった。
  論文  参考訳（メタデータ） (2026-09-19T08:45:18Z)
• Fewer Steps, Better Actions: Rethinking Flow-Matching Inference for VLA Policies [6.735527039644392]
  フローマッチングに基づく視覚パーセンテージアクション(VLA)ポリシーは、アクションエキスパートの繰り返しの評価を通じてアクションチャンクを生成する。 我々は,この統合予算の一部を単一学習エンドポイントに再配置するCodaを提案する。 50のRoboTwin Easyタスクでは、5ステップのCodaが71.64%から74.68%に改善された。
  論文  参考訳（メタデータ） (2026-09-18T01:57:17Z)
• Why Does Action Chunking Improve Behavioral Cloning Performance in Robotic Control? [78.81308700607651]
  アクションチャンキングは単一のアクションではなく、複数のアクションを予測し、実行する。 非マルコフ表現率の増大と、マルコフポリシーと比較して複合誤差の低減による作用チャンキングの利点が示された。 本稿では,アンサンブルを明示的にインスタンス化することで,アクションチャンキングのメリットを増幅するポリシークラスを提案する。
  論文  参考訳（メタデータ） (2026-08-03T17:32:45Z)
• MetaRoute-Bench: Evaluating Meta-Decision Policies for Agentic Workflow Routing [0.0]
  共有実行モデルの下でメタ決定ポリシーを比較するためのオープンで検査可能なフレームワークであるMetaRoute-Benchを提案する。 タスク対応のコンポジションポリシは79.4%が成功し、強いワークロード固有の静的ポリシでは76.7%が成功している。 静的ポリシーとは対照的に、これは2.7パーセントの改善であり、ペアの95%CIプラスまたはマイナス2.0ポイント、平均コストが4.7%、レイテンシが6.4%向上している。
  論文  参考訳（メタデータ） (2026-07-31T07:01:21Z)
• PolicyTrim: Boosting Intrinsic Policy Efficiency of Vision-Language-Action Models [50.232333672172395]
  VLA(Vision-Language-Action)モデルは、ロボット操作の統一パラダイムを提供するが、実際のデプロイメントは実行効率によってボトルネックになることが多い。 強化学習に基づくポストトレーニングフレームワークである textbfPolicyTrim を提案する。 私たちのフレームワークは、タスクの成功率を損なうことなく、最大5.83$times$エンドツーエンドのデプロイメントスピードアップを提供します。
  論文  参考訳（メタデータ） (2026-06-21T14:54:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。